Análisis y Predicción de la Contaminación por PM2.5 en Madrid: El Uso de Modelos Híbridos Prophet-Long Short-Term Memory
Autores: Cáceres-Tello, Jesús; Galán-Hernández, José Javier
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Análisis y Predicción de la Contaminación por PM2.5 en Madrid: El Uso de Modelos Híbridos Prophet-Long Short-Term Memory
Categoría
Matemáticas
Subcategoría
Matemáticas aplicadas
Palabras clave
Material particulado
Pm2.5
Madrid
Políticas
Modelo prophet-lstm
Calidad del aire
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
Las partículas en suspensión menores de 2.5 m (PM2.5) en Madrid son una preocupación crítica debido a sus impactos en la salud pública. Este estudio emplea metodologías avanzadas, incluyendo el modelo CRISP-DM y el híbrido Prophet-Long Short-Term Memory (LSTM), para analizar datos históricos de estaciones de monitoreo y predecir niveles futuros de PM2.5. Los resultados revelan una tendencia a la baja en los niveles de PM2.5 desde 2019 hasta mediados de 2024, lo que sugiere la efectividad de las políticas implementadas por el Ayuntamiento de Madrid. Sin embargo, las fluctuaciones interanuales observadas y los picos indican la necesidad de ajustes continuos en las políticas para abordar eventos específicos y variaciones estacionales. La comparación de las políticas locales y las de la Unión Europea subraya la importancia de una mayor coherencia y alineación para optimizar los resultados. Las predicciones realizadas con el modelo Prophet-LSTM proporcionan una base sólida para la planificación y la toma de decisiones, permitiendo a los gestores urbanos diseñar estrategias más efectivas. Este estudio no solo proporciona una comprensión detallada de los patrones de contaminación, sino que también enfatiza la necesidad de políticas ambientales adaptativas y la participación ciudadana para mejorar la calidad del aire. Los hallazgos de este trabajo pueden ser de gran ayuda para los responsables de políticas ambientales, proporcionando una base para futuras investigaciones y acciones para mejorar la calidad del aire en Madrid. El modelo híbrido Prophet-LSTM capturó efectivamente tanto las tendencias estacionales como los picos de contaminación en los niveles de PM2.5. Las predicciones indicaron una tendencia general a la baja en las concentraciones de PM2.5 en la mayoría de los distritos de Madrid, con reducciones significativas observadas en áreas como Chamartín y Arganzuela. Este enfoque híbrido mejora la precisión de las predicciones a largo plazo de PM2.5 al capturar efectivamente tanto las dependencias a corto como a largo plazo, lo que lo convierte en una solución robusta para la gestión de la calidad del aire en entornos urbanos complejos, como Madrid. Los resultados sugieren que las políticas ambientales implementadas por el Ayuntamiento de Madrid están teniendo un impacto positivo en la calidad del aire.
Descripción
Las partículas en suspensión menores de 2.5 m (PM2.5) en Madrid son una preocupación crítica debido a sus impactos en la salud pública. Este estudio emplea metodologías avanzadas, incluyendo el modelo CRISP-DM y el híbrido Prophet-Long Short-Term Memory (LSTM), para analizar datos históricos de estaciones de monitoreo y predecir niveles futuros de PM2.5. Los resultados revelan una tendencia a la baja en los niveles de PM2.5 desde 2019 hasta mediados de 2024, lo que sugiere la efectividad de las políticas implementadas por el Ayuntamiento de Madrid. Sin embargo, las fluctuaciones interanuales observadas y los picos indican la necesidad de ajustes continuos en las políticas para abordar eventos específicos y variaciones estacionales. La comparación de las políticas locales y las de la Unión Europea subraya la importancia de una mayor coherencia y alineación para optimizar los resultados. Las predicciones realizadas con el modelo Prophet-LSTM proporcionan una base sólida para la planificación y la toma de decisiones, permitiendo a los gestores urbanos diseñar estrategias más efectivas. Este estudio no solo proporciona una comprensión detallada de los patrones de contaminación, sino que también enfatiza la necesidad de políticas ambientales adaptativas y la participación ciudadana para mejorar la calidad del aire. Los hallazgos de este trabajo pueden ser de gran ayuda para los responsables de políticas ambientales, proporcionando una base para futuras investigaciones y acciones para mejorar la calidad del aire en Madrid. El modelo híbrido Prophet-LSTM capturó efectivamente tanto las tendencias estacionales como los picos de contaminación en los niveles de PM2.5. Las predicciones indicaron una tendencia general a la baja en las concentraciones de PM2.5 en la mayoría de los distritos de Madrid, con reducciones significativas observadas en áreas como Chamartín y Arganzuela. Este enfoque híbrido mejora la precisión de las predicciones a largo plazo de PM2.5 al capturar efectivamente tanto las dependencias a corto como a largo plazo, lo que lo convierte en una solución robusta para la gestión de la calidad del aire en entornos urbanos complejos, como Madrid. Los resultados sugieren que las políticas ambientales implementadas por el Ayuntamiento de Madrid están teniendo un impacto positivo en la calidad del aire.